Statistical Package for Social Science (SPSS)

• Software pengolahan data statistik sedah

banyak macamnya, antara lain: Systant,
Ecosim, Minitab, SAS, Statgraph, SPSS,
Statistica, AMOS, Lisrel, dsb.
• SPSS pertama kali dikembangkan th 1960 oleh
Norman H, Nie, C. Hadlay, dan Dale Bent dari
Stanford University. Untuk versi windows
dirilis th 1992.
 Garis Besar Proses Penelitian
MASALAH/PERTANYA
MASALAH/PERTANYA
AN
ANPENELITIAN
PENELITIAN

TELAAH
TELAAHTEORITIS
TEORITIS HIPOTESIS
HIPOTESIS

PENGUJIAN
PENGUJIANFAKTA
FAKTA

Pemilihan
PemilihanData
Data HASIL
HASIL
Pengumpulan
PengumpulanData
Data

Analisis
AnalisisData
Data
KESIMPULAN
KESIMPULAN
 Pengertian & pentingnya pengukuran

• Penerapan angka2 utk merepresentasikan

sifat2 (properties) dari suatu sistem.

• Pengukuran mencakup keterkaitan angka2

dengan obyek atau kejadian

• Angka2 hasil pengukuran memiliki makna

semantik karena pengukuran tsb
mencerminkan suatu kejadian/obyek tertentu
3
 Skala pengukuran
• Suatu skala dibuat ketika aturan semantik
digunakan utk mengaitkan angka2 ke suatu
obyek/kejadian tertentu

• Skala menunjukkan informasi apa yang

tercermin dalam angka2.

• Skala yang digunakan tergantung dari aturan

semantik yang digunakan
4
 Skala Pengukuran
Stevens (1946)  skala pengukuran
dikelompokkan menjadi empat jenis:

1. Skala nominal
2. Skala ordinal
3. Skala interval
4. Skala rasio

5
 Skala Nominal
• Skala pengukuran yang menyatakan
kategori/kelompok
• Angka hanya digunakan sebagai label atau
identifikasi
• Berfungsi untuk mengelompokan data,
tetapi tidak memiliki arti. Tidak memiliki nilai
intrinsik.
• Merupakan variabel non-parametrik

6
 Skala Nominal
• Misal:
– nomor pemain bola, nomor mahasiswa
– jenis kelamin diberi skala
1. Pria
2. Wanita
 Angka 2 untuk wanita bukan berarti lebih baik/besar
dari angka 1 bagi pria.

• Uji statistik yang sesuai:

 yang mendasarkan pada counting, seperti
modus dan distribusi frekuensi
7
 Skala Ordinal
• Skala pengukuran digunakan utk menentukan
peringkat/prioritas/ranking

• Biasanya skala ordinal memiliki ‘natural origin’, yaitu

titik nol

• Kelemahan skala ordinal:

– Interval antar peringkat tidak menjelaskan kuantitas
perbedaan properti (sifat) yang diukur

• Merupakan variabel non-parametrik

8
 Skala Ordinal
Contoh :
• Urutkan pilihan anda dengan memberi angka 1-3.
1: Dibutuhkan; 2: Biasa; 3: Tidak dibutuhkan.
– kosmetik/asesoris
– bahan kuliah
– Handphone

• Uji statistik yang sesuai:

 Modus, median, distribusi frekuensi, statistik non-
parametrik

9
 Skala Interval
• Skala yang memiliki nilai dengan jarak sama.

• Memberikan informasi yg lebih dibandingkan skala

ordinal.

• Bukan hanya memberikan informasi mengenai

peringkat, tetapi juga jarak/selisih antar interval
dapat diketahui dan bernilai sama

• Merupakan variabel metrik

10
 Skala Interval
• Contoh : kepuasan seseorang terhadap pelayanan
jasa transportasi dapat diberi skala interval 1-2-3-4-5.
Dimana nilai
– 1: sangat tidak puas
– 2: tidak puas
– 3: biasa
– 4: puas
– 5: sangat puas
• Uji statistik yang sesuai:
Semua uji statistik, kecuali yang mendasarkan
pada rasio, seperti koefisien variasi
11
 Skala Rasio
• Skala interval dan memiliki nilai dasar (based
value) yang tidak dapat diubah.
• Skala yang dapat memberi arti
perbandingan/perkalian.
• Urutan peringkat dari suatu obyek/kejadian
dapat diketahui
• Interval antar peringkat bernilai sama dan
dapat diketahui

12
 Skala Rasio
• Contoh :
– berat badan Lestari 40 kg
– berat badan Rita 60 kg
Ratio berat Rita 3/2 x berat Lestari.

 Tidak ada pembatasan terhadap alat uji statistik.

 Merupakan variabel metrik

13
 Metode Analisis Data
• Metode dependen
Menguji ada tidaknya hubungan dua set variabel.
Misalnya untuk menentukan apakah variabel
bebas (independen) mempengaruhi variabel
terikat (dependen).
• Metode interdependen
Set data tidak dapat dikelompokkan ke dalam
variabel bebas dan variabel terikat.
Tujuannya untuk mengidentifikasi keterkaitan
variabel satu sama lain
 Klasifikasi Jumlah Variabel dan Kategori Analisis Data

Satu Variabel Analisis Univariat

Jumlah Dua Variabel Analisis Bivariat

Variabel

Lebih dari Dua Analisis Multivariat

Variabel
 Metode Dependen
1. Jumlah variabel bebas – satu atau lebih dari
satu variabel bebas
2. Jumlah variabel terikat – satu atau lebih dari
satu variabel terikat
3. Jenis skala pengukuran variabel bebas -
metrik atau non-metrik
4. Jenis skala pengukuran variabel terikat –
metrik atau non-metrik
 Satu var terikat (metrik) dan
Satu var bebas (non-metrik)
• Metode univariate
– Satu var terikat dan satu var bebas
– Misal: apakah ada perbedaan antara keluarga
berkulit putih dan hitam (sebagai var bebas: Ras)
terhadap Gaji kepala keluarga (sebagai var terikat)
Var bebas: non-metrik: Var terikat: metrik
Uji statistik: uji beda rata2 atau t-test
• Jika var bebas merupakan var non-metrik dg kategori lebih
dari 2  menggunakan ANOVA (Analysis of variance)
 Dua/lebih var terikat (metrik) dan
Dua/lebih var bebas (non-metrik)
– Multivariate Analysis of Variance (MANOVA)
1. Var terikat (metrik): lebih dari satu
Var bebas (non-metrik): satu

Contoh:
Apakah rata2 gaji kepala keluarga dan total income
anggota keluarga berbeda secara nyata untuk tiap
daerah
 Dua/lebih var terikat (metrik) dan
Dua/lebih var bebas (non-metrik)
– Multivariate Analysis of Variance (MANOVA)
2. Var terikat (metrik): lebih dari satu
Var bebas (non-metrik): lebih dari satu

Contoh:
Apakah rata2 gaji kepala keluarga dan total income
anggota keluarga berbeda secara nyata untuk setiap
daerah dan ras.
 Dua/lebih var terikat (metrik) dan
Dua/lebih var bebas (non-metrik)
– Multivariate Analysis of Variance (MANOVA)
3. Var terikat (metrik): satu
Var bebas (non-metrik): lebih dari satu.

Contoh:
Apakah rata-rata gaji kepala keluarga berbeda secara
nyata untuk setiap daerah dan ras.
 Satu var terikat (metrik) dan
Satu/lebih var bebas (metrik)
– Regresi
• Metode statistik untuk menguji hubungan antara satu
variabel terikat (metrik) dan satu/lebih var bebas (metrik)
– Regresi sederhana
• Menguji pengaruh 1 var bebas (metrik) terhadap 1 var
terikat (metrik)
– Regresi berganda
• Menguji pengaruh 2/lebih var bebas (metrik) terhadap 1
var terikat (metrik)
 Satu var terikat (non-metrik) dan
Satu/lebih var bebas (metrik)
– Analisis Diskriminan
– Asumsi:
• data harus berdistribusi normal
• Jumlah sample untuk masing-masing kategori variabel
terikat harus sebanding.
– Contoh:
Apakah beberapa faktor (seperti usia, income)
mempengaruhi keputusan membeli atau tidak
membeli suatu produk
 Satu var terikat (non-metrik) dan
Satu/lebih var bebas (metrik)
– Uji Statistik Logistic Regression
• Jika var bebasnya kombinasi antara metrik dan non-
metrik, maka asumsi normalitas multivariat tidak dapat
dipenuhi
• Tidak mensyaratkan jumlah sampel untuk masing-masing
kategori var terikat harus sebanding
 Metode-metode Dependensi
Jumlah Variabel Skala Pengukuran
Tujuan Studi Metode
Dependen Independen Dependen Independen
Menguji pengaruh Satu Dua atau Interval atau Interval atau Analisis
beberapa variabel lebih rasio rasio Regresi
independen terhadap (metrik) (metrik Berganda
variabel dependen

Memprediksi subjek Satu Dua atau Nominal Interval atau Analisis

atau objek penelitian lebih (non-metrik) rasio Diskriminan
mempunyai dua atau (metrik)
lebih ketegori mutually
exclusive berdasarkan
beberapa variabel
independen

Menentukan korelasi Dua atau Dua atau Interval atau Interval atau Canonical
antara dua atau lebih lebih lebih rasio rasio Correlation
variabel dependen (metrik) (metrik) Analysis
dengan beberapa
variabel independen

Menguji signifikansi Dua atau Satu Interval atau Nominal Multivariate

perbedaan nilai rerata lebih rasio (non-metrik) Analysis of
beberapa variabel (metrik) Variancei
antara dua level dalam (MANOVA)
suatu variabel
 Metode Interdependen
• Metode interdependen
Set data tidak dapat dikelompokkan ke dalam
variabel bebas dan variabel terikat.
Tujuannya untuk mengidentifikasi keterkaitan
variabel satu sama lain
 Metode Interdependen
Jumlah variabel Metrik Non-metrik
Dua variabel • Korelasi • Tabel kontijensi
sederhana two-way
• Loglinear model
Lebih dari 2 var • Principle • Tabel kontinjensi
components multiway
• Analisis faktor • Loglinear model
• Correspondence
analysis
 Variabel Metrik
• Principle Component Analysis
– Teknik untuk mereduksi data menjadi indeks
komposit yg lebih sedikit agar analisis data
menjadi lebih mudah dilakukan
• Analisis Faktor
– Metode statistik yang digunakan untuk
meringkas informasi dalam jumlah banyak
yang dihasilkan dari proses pengukuran
menjadi sejumlah dimensi atau construct
yang lebih kecil (faktor)
 Variabel Non-Metrik
• Loglinear models
– Untuk menguji hubungan asosiasi diantara lebih
dari dua variabel kategori.
• Analisis Korespondensi
– Identik dengan Component analysis untuk data
non-metrik
– Untuk mereduksi data